买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司

摘要：本发明公开了一种基于大数据的线损率预测方法，涉及电力监测技术领域；该方法包括根据目标区域的地理信息数据和生活环境数据与线损率预测模型进行匹配，获取初始预测模型；与为每个区域建立单独的预测模型相比，该方法避免了资源和时间成本过高的问题，通过采集电力负载持续时长系数、设备周围湿度偏差系数和设备损伤频率系数，建立可需修改系数，并将可需修改系数与预设的阈值进行对比，更精准的调整初始预测模型的输入层数据权重比例，实现对区域的线损率进行精确预测。

主权项：1.一种基于大数据的线损率预测方法，其特征在于，所述方法应用于电网监测服务器，所述电网监测服务器监测目标电网区域，所述目标电网区域包括多个待测电网区域，所述电网监测服务器储存有多个线损率预测模型，所述方法包括：获取目标区域的地理信息数据和生活环境数据，根据所述区域地理信息数据和生活环境数据在多个线损率预测模型中进行匹配，获取初始预测模型；所述目标区域为多个待测电网区域中的任意一个；将所述目标区域划分成多个子区域，提取目标子区域的电力负载持续时长系数、设备周围湿度偏差系数和设备损伤频率系数作为相关系数；所述目标子区域为多个子区域中的任意一个；根据所述相关系数得到可需修改系数，并将所述可需修改系数与预设的阈值进行对比，确定所述初始预测模型输入层的数据的权重比例得到所述目标子区域的目标预测模型；根据所述目标预测模型计算所述目标子区域的线损率；获取目标区域的地理信息数据和生活环境数据，根据所述区域地理信息数据和生活环境数据在多个线损率预测模型中进行匹配，获取初始预测模型包括：获取所述目标区域海拔坡度变化、降水量差值、土壤导热率，作为所述地理信息数据；获取所述目标区域人口密度、建筑使用类型、建筑面积密度，作为所述生活环境数据；将所述地理信息数据和所述生活环境数据进行加权求和，得到所述目标区域的区域系数；计算所述区域系数与预设的线损率预测模型的区域系数的绝对差值，当绝对差值小于预设阈值时，则将该预设的线损率预测模型的区域系数对应的线损率预测模型作为初始预测模型；提取目标子区域的电力负载持续时长系数包括：获取所述子区域内时间内电力超负载总时长，并标记为;获取所述电力超负载总时长所经历的总时间周期，并标记为；获取所述总时间周期内电力超负载总时长所经历次数，并标记为;计算所述电力负载持续时长系数，计算的表达式为；提取目标子区域的设备周围湿度偏差系数包括：获取设备的总数量，并获取每个设备周围的实际的湿度，并标记为，为设备周围的实际的湿度的编号，；获取每个设备对应的预设的可承受的周围湿度的范围，并标记为，将每个设备周围的实际的湿度处于对应的预设的可承受的周围湿度外的设备进行标记，标记为，为处于外的设备的编号，；表示处于外的设备的个数，且为整数，计算设备周围湿度偏差系数，计算的表达式为：；式中，为设备周围湿度偏差系数；提取目标子区域的设备损伤频率系数包括：收集设备的运行时间和故障次数；计算待预测设备与数据集中其他设备之间的欧氏距离；根据交叉验证方法选择合适的值；对于每个待预测设备，选择与其最近的个邻居；通过选择的个最近邻居的故障次数求平均来估计待预测设备的损伤频率系数；计算的表达式为：；式中，表示设备损伤频率系数，表示第个最近邻居的故障次数；根据所述相关系数得到可需修改系数包括：将所述电力负载持续时长系数、设备周围湿度偏差系数、设备损伤频率系数构建数据评估模型，模型计算表达式为： 式中，为可需修改系数，和分别表示电力负载持续时长系数、设备周围湿度偏差系数、设备损伤频率系数，为电力负载持续时长系数、设备周围湿度偏差系数、设备损伤频率系数的比例系数，且均大于0；将所述可需修改系数与预设的阈值进行对比，确定所述初始预测模型输入层的数据的权重比例得到所述目标子区域的目标预测模型包括：当所述可需修改系数小于参考阈值时，使用所述初始预测模型作为所述目标子区域的目标预测模型，通过所述目标预测模型对该区域的线损率进行预测；当所述可需修改系数不小于参考阈值时，根据所述可需修改系数的具体数值查询对应的预设的预测模型输入层数据权重比例对应表，对所述初始预测模型的输入层的数据的权重比例进行相应的调整，得到目标预测模型，并使用所述目标预测模型对该区域的线损率进行预测。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司 一种基于大数据的线损率预测方法